论文部分内容阅读
图像匹配作为计算机视觉的关键技术之一,在计算机视觉的各个应用领域中均有广泛的应用。特别是在物体识别、图像配准、图像检索中,图像匹配是其核心技术。而图像的局部不变特征具备在多种图像变换(如几何变换、光照变换等)下的不变性、冗余性以及独特性等特点,被广泛应用于图像匹配领域。在基于局部特征的图像匹配问题中,局部特征的提取和特征描述是非常重要的环节,特征的检测算法与描述符的性能直接决定了图像匹配的效率与精度。因此,基于局部特征的图像匹配算法具有较大的研究价值,本文对基于局部特征的图像匹配算法进行了探讨与研究。本文基于二进制描述符的匹配速度快于浮点描述符,提出了一种加速稳健特征(SURF)算法与基于学习的三元组像素块(LATCH)算法结合的图像匹配算法,主要工作包括:1)针对LATCH描述符不具备尺度不变性与旋转不变性的问题,本文根据SURF算法检测到特征点的主方向与尺度信息,对LATCH计算描述符时的三元组像素块进行重新定位,从而得到了具有一定尺度不变性与旋转不变性的二进制描述符;2)针对特征定位存在噪声的问题,对随机抽样一致(RANSAC)算法计算特征点对的投影误差进行了理论分析,提出使用以特征点为中心的圆来表征误差分布的一种方式;3)根据特征定位噪声的分布情况,提出使用点到区域的最短距离来计算投影误差从而进行内外点判定的算法;4)使用Oxford数据集分别评估了本文的二进制描述算法的性能和本文优化后的内外点判定算法的性能。实验结果表明,在Oxford数据集上,本文提出的SURF与LATCH结合的特征检测与特征提取算法比SURF算法运行时间缩短了约4.5%;本文的二进制描述符在Boat图像集上相较于原LATCH算法表现出更好的尺度不变性与旋转不变性;本文优化后的内外点判定算法虽然在Oxford数据集上运行时间相较于RANSAC算法增加了约6.7%,但是在算法归一化平方误差值几乎相等的情况下,本文算法在Graffiti图像集中的第一幅图像与第二幅图像中检测到的内点数目增加了63个,在第一幅图像与第三幅图像中检测到的内点数目增加了14个。综上,本文在LATCH算法的基础上增加了特征描述符的尺度不变性与旋转不变性,优化后的内外点判定算法也表现出较好的性能。